Next.js 数据获取
io.github.giuseppe-trisciuoglio/developer-kit/nextjs-data-fetching
提供 Next.js App Router 数据获取模式,包括 SWR 与 React Query 集成、并行数据获取、增量静态再生(ISR)、再验证策略与错误边界。在 Next.js 应用中实现数据获取、在服务端与客户端获取之间取舍、设置缓存策略或处理加载与错误状态时使用。
“Developer” 共 80 个结果
io.github.giuseppe-trisciuoglio/developer-kit/nextjs-data-fetching
提供 Next.js App Router 数据获取模式,包括 SWR 与 React Query 集成、并行数据获取、增量静态再生(ISR)、再验证策略与错误边界。在 Next.js 应用中实现数据获取、在服务端与客户端获取之间取舍、设置缓存策略或处理加载与错误状态时使用。
io.github.giuseppe-trisciuoglio/developer-kit/nextjs-authentication
为 Next.js 15+ App Router 使用 Auth.js 5(NextAuth.js)提供认证实现模式。在设置认证流程、实现受保护路由、管理 Server Components 与 Server Actions 中的会话、配置 OAuth provider、实现基于角色的访问控制,或在 Next.js 应用中处理登录/登出流程时使用。
io.github.giuseppe-trisciuoglio/developer-kit/typescript-docs
使用 JSDoc、TypeDoc 及面向不同读者的多层文档模式生成完整的 TypeScript 文档。适用于编写 API 文档、架构决策记录(ADR)、代码示例,以及 NestJS、Express、React、Angular、Vue 的框架专用模式。
io.github.giuseppe-trisciuoglio/developer-kit/nextjs-deployment
提供将 Next.js 应用部署到生产环境的完整模式。适用于配置 Docker 容器、搭建 GitHub Actions CI/CD 流水线、管理环境变量、实现预览部署,或为 Next.js 应用配置监控与日志。涵盖 standalone 输出、多阶段 Docker 构建、健康检查、OpenTelemetry 埋点及生产最佳实践。
io.github.giuseppe-trisciuoglio/developer-kit/nextjs-code-review
为 Next.js 应用提供全面的代码审查能力,校验 Server Components、Client Components、Server Actions、缓存策略、metadata、API 路由、中间件与性能模式。在审查 Next.js App Router 代码变更、合并 PR 前、实现新功能后或进行架构校验时使用。触发词:“review Next.js code”“Next.js code review”“check my Next.js app”。
io.github.giuseppe-trisciuoglio/developer-kit/nextjs-performance
专业的 Next.js 性能优化技能,涵盖 Core Web Vitals、图片/字体优化、缓存策略、流式渲染、包体积优化及 Server Components 最佳实践。适用于针对 Core Web Vitals(LCP、INP、CLS)优化 Next.js 应用、使用 next/image 与 next/font、通过 unstable_cache 和 revalidateTag 配置缓存、将 Client Components 转为 Server Components、实现 Suspense 流式渲染,或分析并减小包体积。支持 Next.js 16 + React 19 模式。
io.github.the-perfect-developer/the-perfect-opencode/css
将 Google CSS 风格指南约定应用于 CSS 代码
io.github.egorfedorov/Slot-Casino-Game-Developer-Skills-for-Stake-Engine/css-motion-designer
为赌场游戏 UI 设计 CSS 动画体系与动效配方。在制作回合切换、闲置循环、回合间动效、背景图案,或纯 CSS 动画规格说明时使用。
io.github.TriliumNext/Trilium/maintaining-docker-hub
Use when working on Trilium's published Docker images on Docker Hub or GHCR rather than on the Dockerfiles — "how many pulls does the image get?", "why is the Docker Hub repository so big?", "clean up old tags", "delete untagged images", "which tags do we publish?", the legacy repositories (triliumnext/notes, zadam/trilium) and their mirroring, the main-docker.yml copy-to-Docker-Hub step, mirror-legacy-docker.yml, Docker Hub categories, stars or the overview. Includes hub.mjs (stats, tag listing/deletion, the manifest inventory and a safe untagged-image purge, all dry-run by default) and the storage model that decides how a cleanup works. Do NOT use for building or running the image locally (see the Developer Guide's Docker page).
io.github.affaan-m/ECC/dev-team
Simulate a collaborative dev team session where multiple role-based personas (PM, Architect, Developer, QA) respond to the same problem together in one session. Use when designing a feature, reviewing a proposal, or onboarding a new initiative and you want multi-role perspective without switching agents manually.
io.github.affaan-m/ECC/dev-team
模拟一场协作式开发团队会话,让多个角色人格(产品经理、架构师、开发、QA)在同一会话中共同回应同一个问题。在设计功能、评审提案或导入新计划时想要多角色视角、又不想手动切换代理时使用。
io.github.open-metadata/OpenMetadata/writing-playwright-tests
在编写新的 Playwright E2E 测试或新增测试用例时使用。提供源自 Playwright Developer Handbook 的测试理念、模式与最佳实践。
io.github.github/awesome-copilot/copilot-cli-quickstart
供希望从零学习 GitHub Copilot CLI 的用户使用。提供交互式分步教程,分为开发者与非开发者两条路线,并支持随时问答,说 "start tutorial" 或直接提问即可。注意:本 skill 仅面向 GitHub Copilot CLI,使用其专有工具(ask_user、sql、fetch_copilot_cli_documentation)。
io.github.upstash/context7/find-docs
为任意开发者技术检索最新文档、API 参考和代码示例。只要用户询问特定库、框架、SDK、CLI 工具或云服务——包括 React、Next.js、Prisma、Express、Tailwind、Django、Spring Boot 等知名库——就使用本技能,因为训练数据可能未反映最近的 API 变更或版本更新。以下情况务必使用:API 语法问题、配置项、版本迁移问题、提到库名的 "how do I" 问题、涉及库特定行为的调试、安装说明,以及 CLI 工具用法。即使认为已知答案也应使用——不要依赖训练数据中的 API 细节、签名或配置项,务必对照当前文档核实;库文档与 API 细节优先于网络搜索。
io.github.Leonxlnx/taste-skill/taste-skill
面向落地页、作品集与重设计的反模板化(anti-slop)前端技能。代理读取需求、推断正确的设计方向,交付看起来不像模板的界面。适用时使用真实设计系统,重设计先做审查,并执行严格的发布前检查。
io.github.openai/codex/openai-docs
用于 Codex 模型/定价、定时任务、skills、设置、安装、排障、定制、自动化与自我知识——包括指代 Codex 的“you”“your”“this app”“this coding agent”——以及 OpenAI API/产品与 ChatGPT Work 的问题。也用于模型选型/迁移、prompt 撰写、SDK、Responses、Realtime、agents、evals 以及 Chat/Work/Codex 的对比。仅提到 Codex 的普通应用/软件任务不适用。
io.github.Jeffallan/claude-skills/devops-engineer
编写 Dockerfile、配置 CI/CD 流水线、撰写 Kubernetes manifest,并生成 Terraform/Pulumi 基础设施模板。处理部署自动化、GitOps 配置、事故响应 runbook 与内部开发平台工具。在搭建 CI/CD 流水线、应用容器化、管理基础设施即代码、部署到 Kubernetes 集群、配置云平台、自动化发布或响应生产事故时使用。涉及流水线、Docker、Kubernetes、GitOps、Terraform、GitHub Actions、值班响应或平台工程时调用。
io.github.TryGhost/Ghost/add-private-feature-flag
用于向 Ghost 添加新的私有(开发者实验)feature flag,包括后端注册与设置界面开关。
io.github.mem0ai/mem0/mem0-oss-to-platform
制定并执行将项目从 mem0 开源/自托管 SDK(本地 Memory 类)迁移到 mem0 Platform 托管 SDK(MemoryClient 类)的方案。当开发者想把 mem0 从 OSS/自托管迁移到托管 API 时使用,例如"把 mem0 设置迁移到平台""从自托管 mem0 切换到 MemoryClient""改用 mem0 API key 而非本地 Qdrant""把 mem0 迁到云端/托管服务""用平台配置替换本地向量库+嵌入器配置"。适用于 Python(from mem0 import Memory → from mem0 import MemoryClient)和 TypeScript/JavaScript(import { Memory } from "mem0ai/oss" → import MemoryClient from "mem0ai")。即使用户没说"迁移"二字,但明显希望现有 mem0 集成改为访问托管平台时也应触发。先产出可审阅的迁移计划,经开发者确认后执行。
io.github.Shubhamsaboo/awesome-llm-apps/project-graveyard
扫描开发者机器上已停滞的副业项目,从 git 历史逐个复盘死因(卡在支付环节、被新项目挤掉、做完了却没上线),归纳个人失败模式,挑出最值得复活的那具“尸体”并帮你把它上线。当用户提到被遗弃的、未完成的或很久以前的 side project,问“哪个该收尾”,想复活或重启某个项目,说“run the graveyard”,疑惑自己为什么总做不完事,或正要开一个和已有项目雷同的新项目时使用。完全本地运行。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型,构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型(SLM)、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由,以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于:本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于:大规模云端 agent 部署(用 deploying-scalable-agents / 第 16 课)、初次构建 agent 概念(第 01 课)、Foundry(云端)托管 agent、GPU 集群/服务端推理资源开通。
vdevelop
io.github.HoangNguyen0403/agent-skills-standard/nextjs-tooling
配置 Next.js 的构建工具、部署与开发者工作流。用于为 Next.js 项目搭建 Turbopack、standalone Docker 输出、bundle 分析、CI 缓存、环境变量校验或 ESLint 集成。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型,构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型(SLM)、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由,以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于:本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于:大规模云端 agent 部署(用 deploying-scalable-agents / 第 16 课)、初次构建 agent 概念(第 01 课)、Foundry(云端)托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型,构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型(SLM)、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由,以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于:本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于:大规模云端 agent 部署(用 deploying-scalable-agents / 第 16 课)、初次构建 agent 概念(第 01 课)、Foundry(云端)托管 agent、GPU 集群/服务端推理资源开通。